Sistem Rekomendasi Penelusuran Buku Berbasis Content-Based Filtering dengan Pembobotan TF-RF
DOI:
https://doi.org/10.33795/jip.v10i4.5565Keywords:
sistem pencarian, buku perpustakaan , analisis sentimen, cosine similarity , pemrosesan data teks , TF-RFAbstract
Aplikasi manajemen buku di perpustakaan biasanya menyediakan berbagai buku digital yang dapat diakses secara online. Ini memungkinkan pengguna menggunakan fitur pencarian yang didukung teknologi sistem rekomendasi untuk menemukan buku sesuai minat mereka. Penelitian ini mengembangkan sistem rekomendasi pencarian buku dengan metode Content-Based Filtering yang dikombinasikan dengan algoritma Term Frequency-Relevance Frequency (TF-RF) untuk meningkatkan akurasi sistem pencarian pada aplikasi E-Library Perpustakaan Politeknik Negeri Banyuwangi. Pada penelitian ini, 6148 judul buku berbahasa Indonesia digunakan sebagai dataset. Proses pengembangan melibatkan beberapa tahap, yaitu pengumpulan data, preprocessing, pembobotan TF-RF, perhitungan kemiripan menggunakan Cosine Similarity, pengambilan nilai tertinggi dengan Quick Sort, dan evaluasi dengan mencari nilai presisi. Setelah melalui tahap evaluasi menunjukkan bahwa sistem rekomendasi yang dikembangkan memiliki nilai presisi rata-rata 86%, dibandingkan dengan 51% pada sistem pencarian buku di aplikasi E-Library yang ada. Hasil ini menunjukkan bahwa metode Content-Based Filtering dengan algoritma TF-RF dapat secara signifikan memperbaiki akurasi dan relevansi sistem pencarian buku, meskipun masih ada keterbatasan dalam menangani kata kunci yang tidak lengkap atau lebih dari satu suku kata. Penelitian ini menyimpulkan bahwa implementasi metode Content-Based Filtering dan TF-RF dapat meningkatkan performa sistem rekomendasi pencarian buku secara signifikan, menawarkan solusi yang lebih efektif dan efisien bagi pengguna dalam menemukan buku yang diinginkan di E-Library Perpustakaan Politeknik Negeri Banyuwangi.
Downloads
References
Afriyanti, T. M., & Retnoningsih, E. (2022). Sistem Rekomendasi Buku Perpustakaan Menggunakan Algoritma Frequent Pattern Growth. Jurnal Teknologi Informasi, 21.
Al Rivan, M. E. (2017). Perbandingan Kecepatan Gabungan Algoritma Quick Sort dan Merge Sort dengan Insertion Sort, Bubble Sort dan Selection Sort. Jurnal Teknik Informatika Dan Sistem Informasi, 3(2). https://doi.org/10.28932/jutisi.v3i2.629
Amna, S., W., Sudipa, I. G. I., Putra, T. andi E., Wahidin, A. J., Syukrilla, W. A., Wardhani, A. K., Heryana, N., Indriyani, T., & Santoso, L. W. (2023). Data Mining (D. S. Kom. , M. Kom. Ediana & A. M. Pd. Yanto, Eds.). PT Global Eksklusif Teknologi.
Apriani, A., Zakiyudin, H., & Marzuki, K. (2021). Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF System Penerimaan Mahasiswa Baru pada Kampus Swasta. Jurnal Bumigora Information Technology (BITe), 3(1), 19–27. https://doi.org/10.30812/bite.v3i1.1110
Dananjaya, I. K. W., & Indradewi, I. G. A. A. D. (2023). Perbandingan Metode Pembobotan TF-RF Dan TF-ABS Pada Kategorisasi Berita Di BDI Denpasar. SINTECH (Science and Information Technology) Journal, 6(1), 16–25. https://doi.org/10.31598/sintechjournal.v6i1.1252
Joergensen Munthe, C. E., Astuti Hasibuan, N., & Hutabarat, H. (2022). RESOLUSI: Rekayasa Teknik Informatika dan Informasi Penerapan Algoritma Text Mining Dan TF-RF Dalam Menentukan Promo Produk Pada Marketplace. Media Online, 2(3), 110–115. https://djournals.com/resolusi
Khairunnisa, S., Adiwijaya, A., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19). JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(2), 406. https://doi.org/10.30865/mib.v5i2.2835
Khalifeh, S., & A. Al-Mousa, A. (2021). A Book Recommender System Using Collaborative Filtering Method. International Conference on Data Science, E-Learning and Information Systems 2021, 131–135. https://doi.org/10.1145/3460620.3460744
Khurana, D., Koli, A., Khatter, K., & Singh, S. (2023). Natural language processing: state of the art, current trends and challenges. Multimedia Tools and Applications, 82(3), 3713–3744. https://doi.org/10.1007/s11042-022-13428-4
Kristanto, S. P., Hakim, L., Yusuf, D., Haq, E. S., & Asyari, A. R. (2022). Classification of Public Opinion on Vaccine Administration Using Convolutional Neural Network. 2022 Fifth International Conference on Vocational Education and Electrical Engineering (ICVEE), 65–71. https://doi.org/10.1109/ICVEE57061.2022.9930412
Laksono, E., Basuki, A., & Bachtiar, F. (2020). Optimization of K Value in KNN Algorithm for Spam and Ham Email Classification. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(2), 377–383. https://doi.org/10.29207/resti.v4i2.1845
Mishra, P., Biancolillo, A., Roger, J. M., Marini, F., & Rutledge, D. N. (2020). New data preprocessing trends based on ensemble of multiple preprocessing techniques. TrAC Trends in Analytical Chemistry, 132, 116045. https://doi.org/10.1016/j.trac.2020.116045
Mondi, R. H., & Wijayanto, A. (n.d.). Recommendation System With Content-Based Filtering Method For Culinary Tourism In Mangan Application.
Mukhtar, H., Al Amien, J., & Rucyat, M. A. (2022). Filtering Spam Email menggunakan Algoritma Naïve Bayes. Jurnal CoSciTech (Computer Science and Information Technology), 3(1), 9–19. https://doi.org/10.37859/coscitech.v3i1.3652
Murti, H., Lestariningsih, E., & Sugiyamta. (2019). Perancangan Sistem Rekomendasi Buku Pada Katalog Perpustakaan Menggunakan Pendekatan Content-Based Filtering Dan Algoritma FP-Growth. Proceeding SINTAK 2019.
Pramesti, D. A. P. D., & Santiyasa, I. W. (2022). Penerapan Metode Content-Based Filtering dalam Sistem Rekomendasi Video Game. Jurnal Nasioanal Teknologi Informasi Dan Aplikasinya, 1.
Sanjaya, A., Bagus Setiawan, A., Mahdiyah, U., Nur Farida, I., Risky Prasetyo, A., & Nusantara PGRI Kediri, U. (2023). Pengukuran Kemiripan Makna Menggunakan Cosine Similarity Dan Basis Data Sinonim Kata Measurement Of Meaning Similarity Using Cosine Similarity And Word Synonyms Database. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 10(4). https://doi.org/10.25126/jtiik.2023106864
Sari, Y., Baskara, A. R., Prakoso, P. B., & Royani, N. (2022). Perbandingan Metode Pembobotan TF-RF Dan TF-IDF Dengan Dikombinasikan Dengan Weighted Tree Similarity Untuk Sistem Rekomendasi Buku. Jurnal Teknologi Informasi Dan Ilmu Komputer, 9. https://doi.org/10.25126/jtiik.202295709
